IMI präsentiert Forschung auf der LION19-Konferenz in Prag
Das IMI hat ein neues Forschungspapier auf der 19. Learning and Intelligent Optimization (LION) Konferenz vorgestellt, die vom 15. Bis 18. Juni in Prag stattfand. Das Papier entstand im Rahmen des NextGenerationEU geförderten Projekt FlexTools.
Die Arbeit mit dem Titel „Reinforcement Learning for AMR Charging Decisions: The Impact of Reward and Action Space Design“ beschäftigt sich mit Batterieladeentscheidungen von Autonomen Mobilen Robotern (AMRs) in Blocklagersystemen.
Ziel ist es, mittels Reinforcement Learning (RL) intelligente Strategien für den Zeitpunkt und die Dauer von Ladevorgängen zu erlernen. Dafür wurde eine feingranulare Simulationsumgebung für das Training und die Evaluation genutzt.
Die Ergebnisse zeigen, dass RL-basierte Ladeentscheidungen herkömmliche heuristische Strategien deutlich übertreffen können, insbesondere im Hinblick auf kürzere Servicezeiten und der Verfügbarkeit der AMRs. Die Arbeit leistet damit einen wichtigen Beitrag zur praxisnahen Optimierung autonomer Lagerprozesse.